八判别分析.ppt

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第十八判别分析,（优选）第十八判别分析,讲述内容,第一节,Fisher判别,第二节 最大似然判别法,第三节 Bayes公式判别法,第四节 Bayes判别,第五节 逐步判别,第六节 判别分析中应注意的问题,目的：作出以多个判别指标判别个体分类的判别函数或概率公式。,资料：个体分两类或多类，判别指标全部为数值变量或全部为分类变量。,用途：解释和预报（主要用于计量诊断）。,分类,（经典）：,Fisher,判别和,Bayes,判别。,1.,计量资料判别分析。目的是作出以定量指标判别个体属性分类或等级的判别函数。,按资料类型分,：,2.计数资料判别分析。目的是作出以定性或等,级指标判别个体属性分类或等级的,概率公式,。,按方法名分,1.,Fisher,判别,2.,最大似然判别法,3.,Bayes,公式判别法,4.,Bayes,判别,5.,逐步判别,第一节,Fisher,判别,适用于指标为定量指标的两类判别（或多类判别）,1.Fisher判别的原理,一、两类判别,88%（回顾性估计，见表18-8）。,资料：个体分两类或多类，判别指标全部为数值变量或全部为分类变量。,或等级资料。,第一节 Fisher判别,（2）计算合并协方差矩阵:按公式（18-4），例如：,回顾性误判概率估计往往夸大判别效果。,如某病例昨晚开始出现右下腹痛、呕吐等症状，大便正常。,与例18-4比较,变量筛选后，尽管判别指标由4个减为2个，判别效能却提高了。,等概率（有选择性偏倚）；,（1）计算变量的类均数及类间均值差Dj，计算结果列于表18-2。,目的：选取具有判别效果的指标建立判别函数。,经检查，右下腹部压痛，肌性防御（+）、压跳痛（+），体温36.,例18-4 欲用4个指标鉴别3类疾病，现收集17例完整、确诊的资料，见表18-4。,原理：Bayes准则。,Fisher判别的原理,例,18-1,收集了,22,例某病患者的三个指标（,X,1,，,X,2,，,X,3,）的资料列于表,18-1,，其中前期患者（,A,）类,12,例，晚期患者（,B,）类,10,例。试作判别分析。,表,18-1 22例患者三项指标观察结果（,Z,c,=-0.147）,表18-2 变量的均数及类间均值差,（1）计算变量的类均数及类间均值差,D,j,，计算结果列于表,18-2。,（,2,）计算合并协方差矩阵,:,按公式（,18-4,），例如：,代入公式（,18-3）得,得到合并协方差阵,二,、判,别效,果的评价 用误判概率,P,衡量,回顾性误判概率估计往往夸大判别效果。,第二节,最大似然判别法,（,优度法,）,适用于指标为定性指标的两类判别或多类判别。,资料：,个体分两类或多类，判别指标全部为定性或等级,资料。,原理：,用独立事件的概率乘法定理得到判别对象归属某,类的概率。,2.,判别规则,3.最大似然判别法的应用,例,18-2,有人试用,7个指标对4种类型的阑尾炎作鉴别诊断，收集的5668例完整、确诊的病史资料归纳于,表,18-3,。,表,18-3 5668例不同型阑尾炎病例的症状发生频率（%）,如某病例昨晚开始出现右下腹痛、呕吐等症状，大便正常。经检查，右下腹部压痛，肌性防御（+）、压跳痛（+），体温36.6，白细胞23.7,10,9,/L。,根据表,18-3得,第三节,Bayes,公式判别法,适用于指标为定性指标的两类判别或多类判别。,资料：,个体分两类或多类，判别指标全部为定性,或等级资料。,原理：,条件概率,+事前概率（各病型或病种的总,体构成比）,判别规则：,举例说明：例,18-3,对例,18-2中给出的待判病有,利用公式（,18-8）计算得,注意：,第四节,Bayes,判别,适用于指标为定量指标的多类判别（也可用于两类判别）,先验概率确定：,1.等概率（有选择性偏倚）；,2.频率估计。,判别规则：归属最大,Yg,类,。,应用：,快速、正确。,资料：,个体分,G,类，判别指标定量。,原理：,Bayes,准则。,结果：,G 个,判别函数,例,18-4,欲用,4,个指标鉴别,3,类疾病，现收集,17,例完整、确诊的资料，见表,18-4,。试建立判别,Bayes,函数。,Bayes,判别函数,判别效果评价：误判概率 （回顾性估计，见表,18-6）。误判概率的刀切法估计为 。,第五节,逐步判别,目的：选取具有判别效果的指标建立判别函数。,应用：,只适用于,Bayes,判别。,原理,：,Wilks统计量 ，,F,检验。,例,18-5,利用表,18-4,的数据作逐步,Bayes,判别。,Bayes判别函数：,判别效果评价，误判概率为,1/17=5.88%,（回顾性估计，见表,18-8,）。误判概率的刀切法估计,17.6%,。与例,18-4,比较,变量筛选后，尽管判别指标由,4,个减为,2,个，判别效能却提高了。由此可见，判别指标并不是越多越好。,误判概率的刀切法估计为 。,等概率（有选择性偏倚）；,资料：个体分两类或多类，判别指标全部为数值变量或全部为分类变量。,试建立判别Bayes函数。,等概率（有选择性偏倚）；,88%（回顾性估计，见表18-8）。,第四节 Bayes判别,判别规则：归属最大Yg 类。,级指标判别个体属性分类或等级的概率公式。,第六节 判别分析中应注意的问题,资料：个体分两类或多类，判别指标全部为定性,目的是作出以定量指标判别个体属性分类或等级的判别函数。,资料：个体分两类或多类，判别指标全部为定性,对例18-2中给出的待判病有,经检查，右下腹部压痛，肌性防御（+）、压跳痛（+），体温36.,第六节 判别分析中应注意的问题,（2）计算合并协方差矩阵:按公式（18-4），例如：,目的：选取具有判别效果的指标建立判别函数。,目的是作出以定量指标判别个体属性分类或等级的判别函数。,例18-1 收集了22例某病患者的三个指标（X1，X2，X3）的资料列于表18-1，其中前期患者（A）类12例，晚期患者（B）类10例。,2.,第六节 判别分析中应注意的问题,类的概率。,第四节 Bayes判别,资料：个体分两类或多类，判别指标全部为定性,资料：个体分两类或多类，判别指标全部为定性,Fisher判别的原理,目的是作出以定量指标判别个体属性分类或等级的判别函数。,目的：选取具有判别效果的指标建立判别函数。,例18-4 欲用4个指标鉴别3类疾病，现收集17例完整、确诊的资料，见表18-4。,